Professional Documents
Culture Documents
MEDICIONES
INTRDUCCION:
El informe tratara de mediciones en un laboratorio de pruebas donde el problema de
investigación es básicamente medir: La densidad, Caudal, Velocidad lineal del agua
con datos reales.
Este informe es realizado porque nos ayudará a determinar las condiciones en las que
debemos de trabajar en un laboratorio a la hora de obtener datos y desarrollará
nuestras habilidades para hallar datos reales que trabajaremos con los conceptos pre
establecidos y ya estudiados previamente.
En el transcurso de la experimentación iremos tomando los diferentes datos tanto
como el peso y el volumen para finalmente hallar: el caudal, la densidad y la
velocidad del fluido.
También tabularemos las 108 muestras obtenidas para así hallar los datos estadísticos
tales como: la media aritmética, la moda, la desviación media, la desviación
estándar, la varianza y finalmente elaborar la tabla de frecuencia, la gráfica de
histogramas de frecuencias y el polígono de frecuencias.
OBJETIVOS:
A. OBJETIVO GENERAL:
Llegar a comprender el proceso de medición teniendo en cuenta los errores o
incertidumbres de un experimentador.
B. OBJETIVOS ESPECIFICOS:
Determinar la densidad del fluido.
Determinar el caudal del fluido.
Determinar la velocidad lineal del fluido.
Determinar la media aritmética.
Determinar la moda.
Determinar la desviación media.
Determinar la desviación estándar o típica.
Determinar la varianza.
Elaborar una tabla de frecuencias.
Construir la gráfica del histograma de frecuencias.
Construir la gráfica del polígono de frecuencias.
Determinar el porcentaje de error.
MARCO TEÓRICO:
1.DENSIDAD:
DEFINICIÓN:
La densidad se define como masa por unidad de volumen. Es decir:
Donde:
𝝆: Densidad. (Kg/m3)
m: Masa. (Kg)
V: Volumen. (m3)
El reciproco de la densidad es el volumen especifico v, el cual se define
como el volumen por unidad de masa. Es decir, v=V/m=1/ᵨ. Para un
elemento diferencial de volumen de masa ᵟ/m y volumen ᵟV, la densidad
se puede expresar como ᵨ=ᵟm/ᵟV.
Dos objetos hechos del mismo material tienen igual densidad, aunque tengan masas y volúmenes diferentes.
Eso se debe a que la razón entre masa y volumen es la misma para ambos objetos
La unidad de densidad es el SI es el kilogramo por metro cubico (1kg/m 3). También se
usa mucho la unidad cgs, gramo por centímetro cubico (1g/cm3).
1g/cm3C=1000kg/m3
2.2 CAUDAL:
2.2.1 DEFINICIÓN: El caudal corresponde a una cantidad de agua que pasa
por un lugar (canal, tubería, etc.) en una cierta cantidad de tiempo, o sea,
corresponde a un volumen de agua (litros, metros cúbicos, etc.), por unidad de
tiempo (segundos, minutos, horas, etc.).
2.2.2 UNIDADES DE MEDICION DE CAUDAL
Litros por segundo: L/s
Litros por minuto: L/m
Litros por hora: L/h
Metros cúbicos por hora: 𝑚3 /ℎ
El caudal se define, entonces como el volumen líquido que pasa por una
sección normal de una corriente de agua en una unidad de tiempo, y se
expresa en m3 o l/s.
Llamamos caudal(volumétrico) “Q” al volumen del fluido que atraviesa una sección en la unidad de tiempo, y
caudal másico “m” a la masa correspondiente: (m=ᵨ.Q)
Dq=v.Ds
Q=S.V
Q=∫s v.Ds
Donde:
Q= caudal
V= velocidad
S= área
B- MÉTODO VOLUMÉTRICO
Este método permite medir pequeños caudales de agua, como son los que se escurren en surcos
de riego. Para ello es necesario contar con un deposito(balde) de volumen conocido en el cual se
colecta agua, anotando el tiempo que demoro en llenarse.
Esta operación puede repetirse 2 o 3 veces y se promedia, con el fin de asegurar una mayor
exactitud.
Q=C/T (1.5)
Donde:
C: capacidad
T: tiempo
Q: caudal
1 Medición de caudales utilizando un balde y un cronometro
laminar
turbulento
Esta definición puede expresarse como la fórmula 2.1, donde la letra griega ∑ (sigma mayúscula)
indica la sumatoria de valores, de modo que la ∑x representa la suma de todos el puntaje. También,
el símbolo (n) denota el tamaño de muestra, que es el número de puntajes que se está considerando.
∑𝑥 𝑠𝑢𝑚𝑎 𝑡𝑜𝑡𝑎𝑙
Media aritmética= 𝑥ҧ = =
𝑛 # 𝑑𝑒 𝑑𝑎𝑡𝑜𝑠
EJEMPLO:
63 82 36 49 56 64 59 35 78
43 51 70 57 62 43 68 62 26
64 72 52 51 62 60 71 61 55
59 60 67 57 67 61 67 51 81
50 64 76 44 73 56 62 63 60v
SOLUCIÓN:
La suma total de los 45 salarios sin agrupar es $2670. Luego,
∑45
𝑖=1 𝑥𝑖 $2670
𝑥=
ҧ = =$59.333
45 45
2.4.2 MEDIA ARITMÉTICA DE DATOS AGRUPADOS
2.4.2.1 MEDIA PARA DATOS AGRUPADOS DE VARIABLE DIRECTA
Si n valores de una variable estadística discreta X se clasifican en k valores distintos 𝑥1 ,𝑥2 ,...,𝑥𝑘
con frecuencias absolutas respectivas 𝑓1 .𝑓2 ,…,𝑓𝑘 , entonces, la suma total de los n datos es igual
𝑥1 ×𝑓1 +𝑥2 ×𝑓2 +…+𝑥𝑘 ×𝑓𝑘 y la media aritmética es el número:
EJEMPLO:
Calcule la media aritmética de la distribución de frecuencias del número de hijos por familia, una muestra de
20 hogares
SOLUCIÓN:
Total 20 44
La moda de un conjunto de datos es el puntaje que ocurre con más frecuencia. Si hay dos puntajes que
tienen la misma frecuencia y esta frecuencia es la más alta, los dos puntajes son modas se dice que el
conjunto de datos es bimodal. Si hay más de dos puntajes con la misma frecuencia máxima, todas son
modas y se dice que el conjunto de datos es multimodal. Si ningún puntaje se repite decimos que no hay
moda. La moda suele denotarse Mo.
En la distribución de frecuencia por intervalos la moda se ubica en el intervalo que tiene la mayor frecuencia
de cualquiera de los tres tipos.
La moda no siempre existe y si existe no siempre es única. La moda es el promedio menos importante debido
su ambigüedad.
2.5.2 CÁLCULO DE LA MODA DE DATOS AGRUPADOS POR INTERVALOS:
Para calcular la moda de n datos organizados por intervalos se siguen los siguientes pasos: primero se
determina el intervalo que contiene la moda.
𝑑1
Mo=𝐿𝑖 + ×𝐴
𝑑1 +𝑑2
Este intervalo [𝐿𝑖 ,𝑈𝑖 ] determinado intervalo modal y que debe ser lo único con la mayor frecuencia, tiene
amplitud A, frecuencia absoluta 𝑓𝑖 y sus frecuencias vecinas antes y después son 𝑓𝑖−1 y 𝑓𝑖+1 respectivamente
luego se aplica la formula.
∑ │𝑥 − 𝑥│
ҧ
Si calculamos la media de esa suma, obtendremos de la desviación media o desviación absoluta descrita con
la siguiente ecuación:
∑ │𝑥−𝑥│
ҧ
Desviación media =
𝑛
2.7.1 DEFINICIÓN:
Representada como (σ ˄ ѕ) que a su vez toma en cuenta todos los valores; sin embargo esto hace que
sea más difícil de calcular. La desviación estándar a diferencia de la varianza es de mejor interpretación
ya que la varianza se mide en el cuadrado de la variable de la desviación se encuentra en las mismas
unidades de la variable.
Es la raíz cuadrada de la varianza
∑(𝑥−𝑥)ҧ 2 ∑ 𝑥2
𝜎= = − 𝑥ҧ 2
𝑛−1 𝑛
EJEMPLO:
Calcular la desviación estándar de los tiempos de espera de os clientes de Jefferson Valley Bank
.Reproducimos esos tiempos (en minutos) aquí:
6.5 6.6 6.7 6.8 7.1 7.3 7.4 7.7 7.7 7.7
SOLUCIÓN:
A muchos estudiantes se les ara fácil usar la función de desviación estándar incorporado a su calculadora, pero el
concepto se entiende mejor si se sigue los pasos detallados del cálculo.
Paso1: Calcular la media de 7.15 sumando los puntajes y dividiendo el total entre el número de puntajes
∑𝑥 71.5
𝑥ҧ = = = 7.15Min
𝑛 10
Paso 2: Restar la media de 7.15 a cada puntaje ara obtener estos valores de
(𝑥 − 𝑥):−0.65,
ҧ −0.55, … . , 0.55
Paso 3: Elevar al cuadrado cada valor obtenido en el paso 2 para obtener estos valores de
Paso 5: Hay n puntajes, así que dividimos entre uno menos que 10.
2.0450 ÷ 9=0.2272
0.2272 = 0.48𝑚𝑖𝑛
Para calcular la varianza de la población, dividimos la suma de las distancias al cuadrado entre la media y cada
elemento de la población. Al elevar al cuadrado cada una de las distancias, logramos que todos los números
que aparecen sean positivos y, al mismo tiempo asignamos más peso a las desviaciones más grandes. Las
unidades de la varianza están elevadas al cuadrado (pesos al cuadrado, unidades al cuadrado, etc.) lo que hace
que no sean claras o fáciles de interpretar.
EJEMPLO:
Los siguientes datos representan una muestra de la cantidad de pedidos diarios entregados:
17 25 28 27 16 21 20 22 18 23
SOLUCIÓN:
a) Para hallar el rango ordenamos el conjunto de mayor a menor.
16 17 18 20 21 22 23 25 27 28
R = x (10) - x (1) = 28 - 16 = 12 La diferencia entre el mayor y el menor valor observado es 12 Para el
cálculo de la varianza conviene realizar un cuadro:
Se obtendría:
∑(𝑋 − ത 2
𝑋) 152
2
𝑆 = = = 16,9
𝑛−1 10 − 1
2.9 DISTRIBUCIÓN DE FRECUENCIAS.
2.9.1 DEFINICIÓN:
Esta es una ciencia que se encarga de recoger, organizar y analizar los hechos de naturaleza numérica
referente a cualquier tópico.
Que se encarga básicamente de mostrar la manera de organizar y representar mediante gráficos los datos
estadísticos obtenidos.
2.9.2 ELABORACIÓN DE UNA DISTRIBUCIÓN DE FRECUENCIAS
La mayoría de los análisis estadísticos incluyen un gran número de datos, los cuales sería casi imposible
utilizar sino se les compactara mediante un sencillo procedimiento conocido como Tabla de Distribución de
Frecuencias siendo ésta la forma más común de organizar un gran número de datos.
Tabla de Distribución de Frecuencias. Es una tabla que representa el número de elementos que pertenecen a
cada una de las clases o categorías en las que se haya dividido el conjunto de datos para su estudio.
EJEMPLO:
Distribución de Frecuencias de pesos en Kg de 20 estudiantes.
o Clase. Es el número de subconjuntos en que se han agrupado los datos. Cada clase se puede denominar
mediante una letra, un número o alguna característica del subconjunto.
o Intervalo de clase. Es un conjunto de elementos que forman a una clase, conteniendo un límite inferior y un
límite superior.
o Tamaño de clase. Es la diferencia entre dos límites inferiores o superiores de clases sucesivas.
Ejemplo: (60+63)/2=61.5
o Recopilación de datos.
o Elaboración de intervalos.
o Obtención de frecuencias.
Empecemos:
o Recopilación de datos. Consiste en escribir los datos de la muestra que nos interesa conocer, sin importar el
orden. Ejem:70,71,71,71.60,62,63,63,64,64,65,66,68,69,69,70,
o de los datos. Consiste en ordenar los datos en forma ascendente o descendente para facilitar el conteo de
datos que correspondan a cada uno de los intervalos.
Ejem:60,62,63,63,64,64,65,66,68,69,69,70,70,71,71,71.
o Determinación del número de clases. El número de clases en que se agrupan los datos.
Para muestras con 200 o más datos el número de clases se determinan con la raíz cúbica del número de
datos.
o Cálculo del tamaño de clase (Rango). Para determinar el tamaño de clase es necesario conocer el rango de
la muestra, que se obtiene con la diferencia entre el dato mayor y el dato menor de la muestra y se
representa con la letra R.
El tamaño de clase se obtiene al dividir el rango entre el número de clases, y se representa con la letra C
Elaboración de intervalos. El tamaño de clase indica el número de datos que conforman a cada intervalo,
considerando los valores extremos llamados límites. En cada intervalo aparece un límite inferior (LI) y un
límite superior (LS).
o Cada intervalo se forma sumando al límite inferior (LI) un número menos que el tamaño de clase para
obtener el límite superior (LS).
Si en la elaboración de los intervalos se observa que algunos datos quedan fuera del número de clases,
entonces se debe agregar una clase más al final, esto no alterará los resultados. En la elaboración de la
distribución de frecuencias se debe dejar un renglón antes de la primera clase y otro después de la última.
o Obtención de Frecuencias. La frecuencia de clase se obtiene contando, en la tabla de datos ordenados, los
que correspondan al intervalo de dicha clase.
Frecuencias:
o Frecuencia absoluta:
La frecuencia absoluta de una variable estadística es el número de veces que aparece en la muestra dicho
valor de la variable, la representaremos por ni.
o Frecuencia Absoluta Acumulada: Para poder calcular este tipo de frecuencias hay que tener en cuenta
que la variable estadística ha de ser cuantitativa o cualitativa ordenable. En otro caso no tiene mucho
sentido el cálculo de esta frecuencia. La frecuencia absoluta acumulada de un valor de la variable, es el
número de veces que ha aparecido en la muestra un valor menor o igual que el de la variable y lo
representaremos por Ni.
o Frecuencia relativa: La frecuencia absoluta, es una medida que está influida por el tamaño de la muestra, al
aumentar el tamaño de la muestra aumentará también el tamaño de la frecuencia absoluta. Esto hace que no
sea una medida útil para poder comparar. Para esto es necesario introducir el concepto de frecuencia relativa,
que es el cociente entre la frecuencia absoluta y el tamaño de la muestra. La denotaremos por fi.
o Porcentaje: La frecuencia relativa es un tanto por uno, sin embargo, hoy día es bastante frecuente hablar
siempre en términos de tantos por ciento o porcentajes, por lo que esta medida resulta de multiplicar la
frecuencia relativa por 100. La denotaremos por pi.
o Frecuencia Relativa Acumulada: Al igual que en el caso anterior la frecuencia relativa acumulada es la
frecuencia absoluta acumulada dividido por el tamaño de la muestra, y la denotaremos por Fi
.Porcentaje Acumulado:
Análogamente se define el Porcentaje Acumulado y lo vamos a denotar por Pi como la frecuencia relativa
acumulada por 100.
Clase Intervalo de Frecuencia Frecuencia Frecuencia Frecuencia
clase Absoluta absoluta Relativa Relativa
acumulada Acumulada.
A <60 – 63> 2 2 0.125 0.125
B <63 – 66> 5 7 0.312 0.437
C <66 – 69> 2 9 0.125 0.562
D <69 – 72> 7 16 0.437 1.000
Total 16 1.000
2.10.1 DEFINICIÓN:
El histograma es el más conocido de los gráficos para resumir un conjunto de datos numéricos y pretende
responder a las mismas preguntas que un gráfico de tallo-hojas. Construir manualmente un histograma es
más laborioso que construir un gráfico de tallo hojas, pero la mayoría de los paquetes estadísticos
producen histogramas.
EJEMPLO:
Distribución de frecuencias. Tasas de notificación de neumonías por provincia. Argentina, año 2000.
Histogramas para los datos de tasas de neumonía notificadas por las provincias
Argentina, Argentina, año 2000.
Consiste en una serie de segmentos que unen los puntos cuyas abscisas son las marcas de cada clase y
cuyas ordenadas son proporcionales a sus frecuencias respectivas. El polígono de frecuencia se
construye fácilmente si tenemos representado previamente el histograma, ya que consiste en unir
mediante líneas rectas los puntos del histograma que corresponde a las marcas de clase. Para
representar el polígono de frecuencias en el primer y último intervalo suponemos que adyacentes a ellos
existen otros intervalos de la misma amplitud y frecuencia nula y se unen por una línea recta los puntos
del histograma que corresponde a sus marcas de clase. De este modo, el polígono de frecuencias tiene
en común con el histograma el que las áreas de la gráfica sobre un intervalo son idénticas
EJEMPLO:
SOLUCION:
Para construir este gráfico se levanta en el extremo superior de cada intervalo una ordenada igual a su
frecuencia, uniendo a continuación dichas ordenadas. La primera ordenada se une al extremo inferior del
primer intervalo, prolongando el polígono desde ese punto a la izquierda sobre el eje x, y prolongando
también por la derecha a partir del extremo superior del último intervalo, con una recta paralela al eje de
abscisas. Suele utilizarse esta representación sobre todo en el caso de que las frecuencias sean
acumuladas. En este caso la altura correspondiente al extremo superior del último intervalo, coincide con n,
si las frecuencias son absolutas, y con 1 si las frecuencias son relativas.
EJEMPLO 1: La distribución del saldo de imposiciones en las Cajas de Ahorros viene dada en la tabla siguiente:
SOLUCIÓN:
Como los intervalos son de amplitud no constante, hay que calcular las alturas de los mismos, obteniéndose la
siguiente tabla:
El polígono de frecuencias acumuladas para el ejemplo estudiado de las distribuciones del saldo de
las Cajas de Ahorros viene dado por el gráfico que aparece:
En el caso de representar las frecuencias no acumuladas se procede de diferente forma, uniendo los puntos
medios de los lados superiores de los rectángulos del histograma y prolongando por los extremos hasta cortar al
eje X en los puntos medios de las bases del primer y del último rectángulo
El área del polígono cerrado resultante es igual al área de los rectángulos formados mediante el histograma. A
veces se representan en el mismo gráfico el histograma y el polígono de frecuencias.
Medir una magnitud física es compararla con un valor de la misma que, por convenio, tomamos como patrón
unidad. Como resultado obtenemos el número de veces que esta unidad está contenida en nuestra magnitud
así que siempre tenemos que referirnos a esa unidad empleada, de lo contrario la medida no tiene sentido
Ejemplo: una masa puede ser 21.3 g, pero no 21.3.
¿Qué clase de números deberían ser los resultantes de la operación de medir?.
Evidentemente deberían de ser números reales, es decir, números con infinitos dígitos decimales.
III MATERIALES Y EQUIPOS:
3.1 METODOS:
Método experimental
3.2 DESCRIPCIÓN DEL EQUIPO:
Termómetro: Sirve para calcular la temperatura.
Pie de Rey: Sirve para medir el diámetro ya sea interior o exterior.
3.3 MATERIALES Y EQUIPOS:
- Balanza
3.4 PROCEDIMIENTO EXPERIMENTAL:
Primero se reunieron los materiales de trabajo.
Se procedió a pesar el vaso de precipitación y graduar la balanza.
Se llenaron con agua los baldes con grifo y se marcó el límite de agua.
Luego se llenó el vaso de precipitación con agua de los baldes con grifo, mientras se
calculaba el tiempo de viaje de agua.
Se procedió a pesar la cantidad de agua en el vaso de precipitación.
Luego se trasladó el agua a la probeta para así calcular su volumen, desechando
finalmente el agua utilizada a la tina.
Este procedimiento se realizó con 108 muestras.
Finalmente se tomó las medidas del diámetro interior y exterior de la probeta y del
grifo del balde calculando también la longitud de este y la temperatura del agua.
3.5 DATOS OBTENIDOS
MUESTRAS MASA (gr) VOLUMEN (ml) TIEMPO (seg)
107 20 24 0.61
108 50 48 1.19
108 50 48 1.19
100
Entonces ƿ= donde densidad es igual a 0.9302
105
Pasos para hallar el caudal
1. Aplicando la formula Q =V/T
V= 174
T=2.81
174
Entonces Q= donde caudal es igual a 40.4
2.81
Pasos para hallar la velocidad lineal
1. Aplicando la formula V= E/T
E= 7.7
T=2.81
7.7
Entonces V= entonces velocidad lineal es igual a 2.7402
2.81
DATOS HALLADOS
MUESTRAS MASA (gr) VOLUMEN (ml) TIEMPO (seg) DENSIDAD (gr/ml) CAUDAL (ml/seg) VELOCIDAD LINEAL(cm/s)
𝑅 1.5698
.ANCHO DE CLASE: 𝑊 = = = 0.20
𝐾 7.7550
B) CAUDAL
. NÚMERO DE CLASE:
1+3.322log (108)=7.7550
. RANGO DE CLASE:
CUADRO ESTADISTICO DENSIDAD
IINTERVALOS Xi fi Fi hi Hi hi% Hi%
𝑅 1.5698
.ANCHO DE CLASE: 𝑊= = = 0.20
𝐾 7.7550
. NÚMERO DE CLASE:
1+3.322log(108)=7.7550
. RANGO DE CLASE:
.ANCHO DE CLASE:
𝑅 18.1349
𝑊= = = 2.3385
𝐾 7.7550
CUADRO ESTADISTICO DE LA VELOCIDAD LINEAL
[14,6764-17,0149> 0 0 99,09
15,8457 0 107 0,9909
TOTAL 108 1
DENSIDAD
60
50
40
30
fi
20
10
0
0.455 0.655 0.855 1.055 1.255 1.455 1.455 1.855
Xi
50
40
30
fi
20
10
0
0.455 0.655 0.855 1.055 1.255 1.455 1.455 1.855
Xi
50
45
40
35
30
25
20
15
10
0
314,836 464,507 614,178 763,849 913,520 1,063,191 1,212,863 1,362,533
CAUDAL
50
45
40
35
30
25
fi
20
15
10
0
314,836 464,507 614,178 763,849 913,520 1,063,191 1,212,863 1,362,533
Xi
50
40
30
20
10
0
18,147 41,532 64,917 88,302 111,687 135,072 158,457
VELOCIDAD LINEAL
VELOCIDAD LINEAL
60
50
40
30
20
10
0
18,147 41,532 64,917 88,302 111,687 135,072 158,457
VELOCIDAD LINEAL
VI RESULTADOS:
Al realizar el proceso de la práctica tuvimos que pesar en primera instancia el vaso de precipitación vacío en
una balanza casi calibrada en su totalidad dándonos así una masa promedio o patrón. De esta forma cuando
se midió el vaso de precipitación conjuntamente con el agua se puedo notar una diferencia de acuerdo con
la masa del vaso vacío durante las 108 muestras luego medimos el volumen en la probeta dándonos varios
resultados de volumen ya que en cada medición se aplicaba distinta cantidad de agua .en esta experiencia
podemos ver la eficacia de cada instrumento, pues al repetir el proceso varias veces nos podemos dar cuenta
en la variación de masas.
Siguiendo el proceso pasamos a medir la temperatura ambiente teniendo como resultado al inicio una
medición errónea por el mal uso del instrumento de medición al usar correctamente el instrumento de
medición pudimos obtener una medición casi exacta de la temperatura ambiente ya que el clima
varia y no es constante y por medio de una tabla pudimos encontrar los resultados de la densidad,
caudal y VI
velocidad lineal.
CONCLUCIONES:
Obteniendo todos estos resultados procedimos a calcular los promedios, las desviaciones y el margen de
Se determino la densidad del fluido siendo su promedio 0.9657
error mediante las formulas descritas en este informe. Una vez determinada los valores de las desviaciones
Se determino la media aritmetica del caudal siendo esta 0,3326
y errores se puede concluir con la precisión de cada instrumento utilizado en este Laboratorio de Medición.
Se determino la media aritmetica de la velocidad siendo esta 3,6984
Se determino la mediana de la densidad siendo esta 1,0042
A. EN EL LABORATORIO
El laboratorio de física cuente con más materiales de trabajo para así facilitar y hacer un trabajo efectivo.
Tener en cuenta que siempre existirán los errores de medida
es de gran importancia la toma correcta de las mediciones ya que diferentes, aspectos podrían modificar
los resultados que se obtienen.
A. CON EL PROFESOR
Ninguna, ya que nos guio perfectamente para elaborar el trabajo con el mínimo porcentaje de error y del
mismo modo nos facilitó algunos materiales de trabajo. Nos superviso constantemente a los grupos
conformados ya sea para preguntarnos sobre el marco teórico ya realizado con anticipación y verificar si
las muestras de medición estaban correctamente realizado.
A. CON LOS INTEGRANTES
Tener más orden a la hora de realizar las muestras, realizar solo la orden que el jefe de grupo le dio.
Cada integrante debe contar con su guardapolvo.
Todos los integrantes deben poner de su parte para así tener un concepto básico de todas las mediciones
que estamos realizando.